在我国互联网的发展过程中，PC互联网已经日趋饱和，移动互联网却呈现着井喷式发展。现在国内移动用户已超15亿，全球移动用户已超过51亿，2019年IoT装置数量预计将超过全球人口总数！
伴随着移动终端价格的下降及WiFi的广泛使用，移动端用户的数量将继续呈现爆发之势！我们相信，在未来，云端和移动端相结合的人工智能和设备端独立的人工智能应用会慢慢成为主流。
2018年初，TensorFlow作为一个技术热点，逐渐普及到机器学习应用开发的各个方面。在2018-2019年中国开发者报告中显示，TensorFlow 使用普及率达到52%，是第二名的两倍之多。TensorFlow已然成为了人工智能开发者的首选。
TensorFlow作为热门开源机器学习框架，提供了对不同开发环境和设备的支持。随着人工智能技术的普及和边缘计算等新兴技术的兴起，机器学习的应用形式和生态有了很大的变化和发展。终端设备性能的提高、算法的改进以及机器学习专用设备的出现，让人工智能应用逐渐从云端向边缘设备和终端设备转移。
在移动设备上进行机器学习是非常困难和具有挑战性的，主要表现在以下几个方面：谷歌在2016年发布TPU（张量处理单元），通过硬件加速为人工智能提供强有力的计算基础，并在其数据中心大量使用TPU。国内华为等厂商也开始推出性能更高的芯片帮助移动端机器学习的实现。随着移动设备变得越来越强大，我们会看到更多运行在移动设备上的机器学习应用程序。“On-Device”机器学习已经成为机器学习的主要应用形式。其实，TensorFlow从一开始就把“On-Device”机器学习做为研发的重点，并开源了相应的研发成果。如今市面上有很多介绍TensorFlow的书，但是大部分书是以机器学习的模型设计和云端开发为主，专门讲解TensorFlow在移动端上进行开发的书还很少。要想入门移动端的机器学习，王众磊与陈海波两位老师的新书《TensorFlow移动端机器学习实战》将是一个不错选择。即使作为有一定经验的开发者，本书也能帮助你在人工智能应用上更进一步。
本书从深入讲解使用TensorFlow和TensorFlow Lite构建安卓的应用开始，讲解了如何在云端设计和训练模型，为移动端进行模型转化和优化，在专有硬件和平台上进行加速和优化，本书最后也介绍了一些最新的技术和开发框架。
作为TensorFlow的开发者和使用者，本书作者完整地讲解了使用TensorFlow进行端到端开发的实例和开发技巧，同时分享了如何使用开源工具进行软件开发的最佳工程实践和经验。本书提供了全方位的视角帮助读者开启不同的思路，即使把本书作为一本软件开发和工程开发的书籍来读，也会使读者受益匪浅。如何使用TensorFlow进行移动端机器学习应用的开发，并了解：● TensorFlow对移动平台支持的起源和思路
● TensorFlow对硬件加速技术的支持
● TensorFlow Lite的架构和实现原理
● TensorFlow在各种移动平台和嵌入式平台上的开发实例
● 基于TensorFlow和谷歌云进行机器学习的方法
● 基于TensorFlow的机器学习服务框架
● 基于TensorFlow的各种开源技术和工程实践
第一章到第三章 介绍了TensorFlow在移动端开发的现状，基本方法和流程。第四章到第七章 深入讲解了如何使用TensorFlow和TensorFlow Lite在安卓上进行机器学习应用的开发。第八章到第十一章 介绍了硬件加速，iOS和树莓派等平台上的开发方法，以及模型的优化方法。最后简要介绍了其他机器学习框架和TensorFlow 2.0。王众磊，TensorFlow的开发者之一，具有二十多年的留学和工作经验。现定居美国硅谷，长期从事软件开发工作，发表国际论文及国际专利多项。曾在谷歌等多家大型国际公司及初创企业工作过，有丰富的国内、国际开发及管理经验。陈海波，深兰科技DeepBlue Technology的创始人，清华大学—深兰科技机器视觉联合研究中心管理委员会主任；上海交通大学—深兰科技人工智能联合实验室管理委员会主任、中南大学—深兰科技人工智能联合研究院专家委员会委员，致力于人工智能的基础研究和应用开发，创建的深兰科学院拥有人工智能研究院、科学计算研究院、生命及AI脑科学院、自动化研究院和智能汽车研究院。
两位作者都是TensorFlow的领头人物，在携手编写此书的过程中，不仅把自己的国外工作的经验写入了书籍，还在很多的一部分讲解根据国内的情况进行了调整，让本书在传递国外先进的经验技术的同时也更适合国内的开发者的学习适应。
▼ 点击阅读原文，了解本书详情。